由"东北大学-知识图谱研究组"开发的一套关于"知识图谱构建"的解决方案，包含以下两部分内容。
  1、"知识图谱构建"演示网站，主要包括"实体识别"以及"关系三元组抽取"两部分。既可以对输入的文本进行"实体识别"以及"关系三元组抽取"演示，也可以用对应系统进行"训练数据标注"，以达到不断更新迭代系统的目的。
  ==>体验"实体识别"
  ==>体验"关系三元组抽取"

  2、"爱图谱"演示网站，可以对一些科研人员和学术术语，进行关联知识显示。 用户可以直接在输入框中输入人名（如：任飞亮）或领域术语（如：机器翻译），在结果显示页面里可以进一步点击某些项（移动鼠标到对应位置上后，会有提示）进行查看。
  ==>体验"爱图谱"

  由"东北大学-知识图谱研究组"开发的"机器阅读理解"演示网站，可以支持中文、英文、以及中英文混合输入条件下的阅读理解任务。即针对一篇给定的输入文档，回答与该文档相关的各类问题，就象常见的中、英文各类阅读理解任务一样。
  点击体验

  TechKG是一个面向中文、面向学术、多领域的大型知识图谱知识库，由“东北大学-知识图谱研究组”开发完成。
  和已有知识图谱如 Freebase 或 YAGO 相比，TechKG具有如下主要特点：
  1、是一个大型的中文知识图谱知识库。当前，TechKG 共包含大约 5 千万个实体、以及 2.6 亿个三元组。知识规模和 Freebase 及 YAGO 相当。
  2、面向科技。TechKG 的数据源为发表在中文各类学术期刊上的科技论文，和 Freebase 或 YAGO 这些通用知识图谱相比，TechKG 更有侧重性。
  3、领域划分完整。当前，TechKG的数据共分为 38 个研究领域，每个研究领域对应一个学科。

  基于TechKG，我们还构建了以下几类知识库，每类知识库均分38个领域，每个领域对应一个学科。
  1、TechKG10：从TechKG中抽取的子集，抽取规则如下：1）领域术语的tf*idf在前10%；2）每个实体至少出现在10个三元组中。
  2、TechTerm：一个中文领域术语知识库，每个领域均由从TechKG中tf*idf最高的术语中随机选择的1w条术语组成。
  3、TechBiTerm：一个“中—英”术语对知识库，每个领域均由从TechKG中选择的"共现"次数最多的1w个术语翻译对组成。
  4、TechAbs：一个由论文摘要组成的知识库，每个领域均由随机选择10w个摘要组成。
  5、TechQA：一个问答知识库，基于TechKG10、采用模板生成。
  6、TechNER：一个基于TechTerm、采用远程监督方式生成的主要用于进行领域术语识别任务的知识库，每个领域包含3w个训练句子。
  7、TechRE：一个基于TechKG10、采用远程监督方式生成的主要用于关系抽取任务的知识库，每个领域由随机选择的20w个训练bags组成，每个bag平均包含6个句子。

  利用TechKG以及上面的几个知识库，研究者们不仅可以开展知识图谱方向相关的研究（如知识图谱embedding、关系抽取、命名实体识别等），还可以进行如：KBQA、机器翻译、文本分类等多项相关任务的研究。

下载资源

TechGPT是由“东北大学知识图谱研究组”发布的通用大模型，于2023年6月26日正式发布。与其它大模型相比，TechGPT强化了以“知识图谱构建”为核心的各类信息抽取、以“逻辑推理”为核心的各类智能问答、以“文本理解”为核心的各类序列生成等3大自然语言处理核心能力大自然语言处理核心能力，并具备对计算机、材料、航天、机械、金融、冶金等十余种专业性强的垂直领域自然语言文本的处理能力。目前TechGPT支持包括领域术语抽取、实体识别、三元组抽取、标题生成摘要、摘要生成标题、文本生成关键词、文本对应领域识别、机器阅读理解、常识问答、基于知识库的问答、数学题求解、建议咨询类问答、方案生成、机器翻译、代码生成、单轮会话、多轮会话等多项基本功能。

  目前，我们已将TechGPT项目已开源，GitHub开源地址为:https://github.com/neukg/TechGPT，HuggingFace开源地址为:https://huggingface.co/neukg。同时，我们提供了TechGPT在线体验服务，体验地址为：http://techgpt.neukg.com/。